快捷導(dǎo)航

python實現(xiàn)的分層隨機抽樣案例

更新時間：2020年02月25日 08:47:33 作者：三大爺?shù)逆I

這篇文章主要介紹了python實現(xiàn)的分層隨機抽樣案例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

昨天寫了一段用來做分層隨機抽樣的代碼，很粗糙，不過用公司的2萬名導(dǎo)購名單試了一下，結(jié)果感人，我覺得此刻的我已經(jīng)要上天了，哈哈哈哈哈哈

代碼如下：

#分層隨機抽樣 stratified sampling

import xlrd, xlwt, time, random


xl = xlrd.open_workbook(r'C:\Users\Administrator\Desktop\分層抽樣.xlsx')
xl_sht1 = xl.sheets()[0]
xl_sht1_nrows = xl_sht1.nrows
#表頭
title = xl_sht1.row_values(0)
#把樣本寫進列表 sample
sample = []
for i in range(xl_sht1_nrows):
  sample.append(xl_sht1.row_values(i))
#打亂樣本
random.shuffle(sample)
#把層的內(nèi)容寫進列表 col
col = xl_sht1.col_values(0)
#對col中的內(nèi)容進行計數(shù)，獲得每一類的名稱對應(yīng)個數(shù)的字典
col_dict = {}
for i in col:
  col_dict[i] = col_dict.get(i, 0) + 1
p = eval(input('每層抽取的比例（小數(shù)）：'))
#獲得每一類的名稱對應(yīng)抽取個數(shù)的字典
col_p = {}
k = 0
for i in col_dict.keys():
  col_p[i] = int(round(col_dict[i] * p)) #round用來四舍五入，不加int結(jié)果會變成無數(shù)個p
#開始抽樣，把抽取結(jié)果寫進result_l列表
result_l = []
for i in sample:
  if col_p.get(i[0], 0) > 0:
    result_l.append(i)
    col_p[i[0]] -= 1
#新建文檔，寫入結(jié)果
f = xlwt.Workbook()
f_sht1 = f.add_sheet('result')
n = 0
for i in title:
  f_sht1.write(0, n, i)
  n += 1
r = 1
for i in result_l:
  c = 0
  for k in i:
    f_sht1.write(r, c, k)
    c += 1
  r += 1
nowtime = time.strftime("%Y%m%d_%H%M%S", time.localtime())
f.save(r'C:\Users\Administrator\Desktop\Result_{0}.xls'.format(nowtime))
print('\n抽樣成功!')
input()

原理思路如下：

1、首先數(shù)據(jù)的形式如下

數(shù)據(jù)自帶層標(biāo)簽，我只需要從每層抽取一定比例的數(shù)據(jù)就可以了

2、第一步：先將源數(shù)據(jù)按行存入一個列表，然后打亂行的順序

3、第二步：對層標(biāo)簽進行計數(shù)，獲取每一個層標(biāo)簽的總數(shù)，并將結(jié)果存進字典

4、第三步：根據(jù)抽樣比例p，計算出每層實際應(yīng)抽取的個數(shù)，并存入一個新的字典

5、第四步：從源數(shù)據(jù)列表中抽取出目標(biāo)數(shù)據(jù)，每層抽取的個數(shù)由第三步的字典進行指定

小白剛剛起步，實現(xiàn)的時候發(fā)現(xiàn)自己對數(shù)據(jù)結(jié)構(gòu)和算法一點也不懂。。。。結(jié)果就寫了一堆的for循環(huán)。。。。

大神們?nèi)绻吹竭@段代碼，還請不吝賜教，看看代碼可以怎樣優(yōu)化，或者有更好的設(shè)計思路

補充拓展：pandas實現(xiàn)對dataframe抽樣的實現(xiàn)

隨機抽樣

import pandas as pd
#對dataframe隨機抽取2000個樣本
pd.sample(df, n=2000)

分層抽樣

利用sklean中的函數(shù)靈活進行抽樣

from sklearn.model_selection import train_test_split
#y是在X中的某一個屬性列
X_train, X_test, y_train, y_test = train_test_split(X,y, test_size=0.2, stratify=y)

以上這篇python實現(xiàn)的分層隨機抽樣案例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: